Analyse de la performance d’étudiants au baccalauréat en administration en fonction de leurs caractéristiques à l’entrée
Bibliographic record
Abstract
Les économistes s’intéressent depuis longtemps à divers aspects de l’éducation comme, par exemple : la mesure de l’output, l’analyse des déterminants du succès scolaire ou la pédagogie. Cette étude se situe dans cette ligne de préoccupations. En effet, elle cherche à voir si certaines caractéristiques académiques contenues dans le dossier de l’étudiant au moment de son admission contribuent à expliquer en partie ses résultats à l’université. Cette étude porte sur des étudiants inscrits à un baccalauréat en administration. Toutefois étant donné les liens qui existent entre l’économie et l’administration, il est probable que plusieurs des résultats obtenus se vérifieraient aussi dans le cadre d’études sur des étudiants en économie. Cette analyse fait ressortir plusieurs éléments importants. On note par exemple, une relation positive très significative entre la performance de l’étudiant dans le programme et ses résultats scolaires au cégep ainsi que ses résultats à des tests d’admission. De plus l’étudiant qui a choisi la concentration « sciences » au cégep réussit en général mieux que celui qui vient de la concentration « sciences humaines » même si, à l’intérieur de celle-ci, l’étudiant a choisi un profil « sciences administratives ».
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.005 | 0.019 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.011 | 0.006 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".